达摩院ElementsClaw这次一口气筛出6.8万个候选，4种新材料已经验证超导性，还把数据全量开源，这功德确实给领域打了一针兴奋剂。但作为一个在实验室里被反应釜折腾过的人，我对"预测得分高"和"样品能重复做出来"之间的gap，反而更谨慎。
现在的AI模型本质上是在热力学势面上做梯度下降，找能量最低的谷。但超导相往往藏在亚稳态的半山腰上，能不能抵达那里，取决于淬火速率、退火氛围、升降温梯度这些动力学参数。传统DFT算的是基态，对晶格弛豫和相变能垒几乎无能为力。就像你写了一个理论上能跑通的算法，但CI/CD pipeline没配好，上线照样挂。
达摩院那4个材料验证了超导性，但公开信息里没怎么提这些合成细节。这恰恰是实验最核心的部分：材料不是算出来的，是被"抵达"的。AI把热力学可行性算得再漂亮，如果给不出一条可重复的相变路径，实验端仍然要大量的trial-and-error。
我更期待的不是把候选库刷到10万，而是把合成路径、失败样本和动力学参数也结构化地喂给模型。让AI不只预测"是什么"，还能预测"怎么长出来"。
